maskrcnn_resnet50_fpn_v2¶
- torchvision.models.detection.maskrcnn_resnet50_fpn_v2(*, weights: Optional[MaskRCNN_ResNet50_FPN_V2_Weights] = None, progress: bool = True, num_classes: Optional[int] = None, weights_backbone: Optional[ResNet50_Weights] = None, trainable_backbone_layers: Optional[int] = None, **kwargs: Any) MaskRCNN[source]¶
使用來自 Benchmarking Detection Transfer Learning with Vision Transformers 論文的 ResNet-50-FPN 主幹網路的改進版 Mask R-CNN 模型。
警告
偵測模組處於 Beta 階段，不保證向後相容性。
更多詳細資訊請參閱
maskrcnn_resnet50_fpn()。- 參數:
weights (
MaskRCNN_ResNet50_FPN_V2_Weights, optional) – 要使用的預訓練權重。 有關更多詳細資訊和可能的值，請參閱下面的MaskRCNN_ResNet50_FPN_V2_Weights。 預設情況下，不使用任何預訓練權重。progress (bool, optional) – 如果為 True，則在 stderr 上顯示下載的進度條。 預設值為 True。
num_classes (int, optional) – 模型輸出的類別數量（包括背景）
weights_backbone (
ResNet50_Weights, optional) – 主幹網路的預訓練權重。trainable_backbone_layers (int, optional) – 從最後一個區塊開始的可訓練（非凍結）層數。 有效值介於 0 到 5 之間，其中 5 表示所有主幹網路層都是可訓練的。 如果傳遞
None（預設值），則此值設定為 3。**kwargs – 傳遞給
torchvision.models.detection.mask_rcnn.MaskRCNN基底類別的參數。 有關此類別的更多詳細資訊，請參閱 原始碼。
- class torchvision.models.detection.MaskRCNN_ResNet50_FPN_V2_Weights(value)[source]¶
上面的模型建構器接受以下值作為
weights參數。MaskRCNN_ResNet50_FPN_V2_Weights.DEFAULT等同於MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1。 您也可以使用字串，例如weights='DEFAULT'或weights='COCO_V1'。MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1:
這些權重是使用增強的訓練配方產生的，以提高模型準確性。 也可用作
MaskRCNN_ResNet50_FPN_V2_Weights.DEFAULT。box_map (在 COCO-val2017 上)
47.4
mask_map (在 COCO-val2017 上)
41.8
categories
__background__, person, bicycle, … (省略 88 個)
min_size
height=1, width=1
num_params
46359409
recipe
GFLOPS
333.58
File size
177.2 MB
推論轉換可在
MaskRCNN_ResNet50_FPN_V2_Weights.COCO_V1.transforms中找到，並執行以下預處理操作： 接受PIL.Image、批次處理的(B, C, H, W)和單個(C, H, W)圖像torch.Tensor物件。 圖像會縮放到[0.0, 1.0]。
